compile(pattern)：创建模式对象
|
1
2
3
4
5
6
7
8
|
import repat=re.compile('A')m=pat.search('CBA') #等价于 re.search('A','CBA')print m<_sre.SRE_Match object at 0x9d690c8> #匹配到了，返回MatchObject（True）m=pat.search('CBD')print mNone #没有匹配到，返回None（False） |
search(pattern,string)：在字符串中寻找模式
|
1
2
3
4
5
6
|
m = re.search('asd','ASDasd')print m<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）m = re.search('asd','ASDASD')print mNone #没有匹配到，返回None（False） |
match(pattern,string)：在字符串开始处匹配模式
|
1
2
3
4
5
6
|
m = re.search('asd','ASDasd')print m<_sre.SRE_Match object at 0xb72cd6e8> #匹配到了，返回MatchObject（True）m = re.search('asd','ASDASD')print mNone #没有匹配到，返回None（False） |
等价于
|
1
2
3
4
5
|
pat=re.compile('a')print pat.match('Aasd')Noneprintpat.match('aASD')<_sre.SRE_Match object at 0xb72cd6e8> |
上面的函数返回都可以在if条件语句中进行判断：
|
1
2
3
4
5
6
7
|
if pat.search('asd'):... print 'OK'... OK #找到返回if re.search('a','ASD'):... print "OK"... #没有找到 |
split(pattern,string)：根据模式分割字符串,返回列表
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
re.split(',','a,s,d,asd')['a', 's', 'd', 'asd'] #返回列表 pat = re.compile(',')pat.split('a,s,d,asd')['a', 's', 'd', 'asd'] #返回列表 re.split('[, ]+','a , s ,d ,,,,,asd') #正则匹配：[, ]+，后面说明['a', 's', 'd', 'asd'] re.split('[, ]+','a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数['a', 's', 'd ,,,,,asd'] pat = re.compile('[, ]+') #正则匹配：[, ]+，后面说明pat.split('a , s ,d ,,,,,asd',maxsplit=2) # maxsplit 最多分割次数['a', 's', 'd ,,,,,asd'] |
findall(pattern,string)：列表形式返回匹配项
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
re.findall('a','ASDaDFGAa') ['a', 'a'] #列表形式返回匹配到的字符串pat = re.compile('a')pat.findall('ASDaDFGAa')['a', 'a'] #列表形式返回匹配到的字符串pat = re.compile('[A-Z]+') #正则匹配：'[A-Z]+' 后面有说明pat.findall('ASDcDFGAa')['ASD', 'DFGA'] #找到匹配到的字符串pat = re.compile('[A-Z]')pat.findall('ASDcDFGAa') #正则匹配：'[A-Z]+' 后面有说明['A', 'S', 'D', 'D', 'F', 'G', 'A'] #找到匹配到的字符串pat = re.compile('[A-Za-z]') #正则匹配：'[A-Za-z]+' 匹配所有单词，后面有说明pat.findall('ASDcDFGAa')['A', 'S', 'D', 'c', 'D', 'F', 'G', 'A', 'a'] |
sub(pat,repl,string) ：用repl替换 pat匹配项
(留的是中间的，因为中间在中心)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
re.sub('a','A','abcasd') #找到a用A替换，后面见和group的配合使用'AbcAsd'pat = re.compile('a')pat.sub('A','abcasd')'AbcAsd' pat=re.compile(r'www\.(.*)\..{3}') #正则表达式 #在Python的string前面加上‘r'， 是为了告诉编译器这个string是个raw string，不要转译反斜杠 '\' 。 #例如，\n 在raw string中，是两个字符，\和n， 而不会转译为换行符。 #由于正则表达式和 \ 会有冲突，因此，当一个字符串使用了正则表达式后，最好在前面加上'r'。 #与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。 #假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"： #前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 #Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。 #同样，匹配一个数字的"\\d"可以写成r"\d"。 #有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。 #不是说 加了r \就没有转译功能，好乱，就直接记住1句话： #当一个字符串使用了正则表达式后，最好在前面加上'r'，这样你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观pat.match('www.dxy.com').group(1)'dxy're.sub(r'www\.(.*)\..{3}',r'\1','hello,www.dxy.com')pat.sub(r'\1','hello,www.dxy.com') 'hello,dxy'# r'1' 是第一组的意思#通过正则匹配找到符合规则的"www.dxy.com" ，取得 组1字符串 去替换 整个匹配。 pat=re.compile(r'(\w+) (\w+)') #正则表达式s='hello world ! hello hz !'pat.findall('hello world ! hello hz !')[('hello', 'world'), ('hello', 'hz')]pat.sub(r'\2 \1',s) #通过正则得到组1(hello)，组2(world)，再通过sub去替换。即组1替换组2，组2替换组1，调换位置。 'world hello!hz hello!' |
escape(string) ：对字符串里面的特殊字符串进行转义
|
1
2
|
re.escape('www.dxy.cn')'www\\.dxy\\.cn' #转义 |
上面的函数中，只有match、search有group方法，其他的函数没有。
函数的方法
group：获取子模式(组)的匹配项
|
1
2
3
4
5
6
7
8
|
pat = re.compile(r'www\.(.*)\.(.*)') #用()表示1个组，2个组m = pat.match('www.dxy.com')m.group() #默认为0，表示匹配整个字符串 'www.dxy.com'm.group(1) #返回给定组1匹配的子字符串'dxy'm.group(2)'com' |
start：给定组匹配项的开始位置
|
1
2
|
m.start(2) #组2开始的索引8 |
end：给定组匹配项的结束位置
|
1
2
|
m.end(2) #组2结束的索引11 |
span： 给定组匹配项的开始结束位置
|
1
2
|
m.span(2) #组2开始、结束的索引(8, 11) |
正则表达式
正则表达式(可以称为REs，regex，regex pattens)是一个小巧的，高度专业化的编程语言，它内嵌于python开发语言中，可通过re模块使用。正则表达式的pattern可以被编译成一系列的字节码，然后用C编写的引擎执行。下面简单介绍下正则表达式的语法。
元字符
“.” ：通配符,除换行符外的任意的1个字符
|
1
2
3
4
5
6
7
8
9
10
11
|
pat=re.compile('.')pat.match('abc')<_sre.SRE_Match object at 0xb72b6170>pat.match('abc').group()'a' #匹配到了首个字符pat.search('abc').group() 'a'pat.match('\n').group() #换行符匹配出错Traceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: 'NoneType' object has no attribute 'group' |
“\” : 转义符
|
1
2
3
4
5
|
pat=re.compile('\.')pat.search('abc.efg').group() #匹配到.'.' pat.findall('abc.efg') #不用group,返回列表['.'] |
“[…]” : 字符集合，匹配里面的任意一个元素
|
1
2
3
4
5
6
7
|
>>> pat=re.compile('[abc]')>>> pat.match('axbycz').group()'a'>>> pat.search('axbycz').group()'a'>>> pat.findall('axbycz')['a', 'b', 'c'] |
“\d” : 数字
|
1
2
3
4
5
6
7
8
9
|
>>> pat=re.compile('\d') >>> pat.search('ax1by2cz3').group() #匹配到第一个数字:1，返回'1'>>> pat.match('ax1by2cz3').group() #匹配不到（首个不是）返回None，报错，match匹配字符串头Traceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: 'NoneType' object has no attribute 'group'>>> pat.findall('ax1by2cz3') #匹配所有的数字，列表返回['1', '2', '3'] |
“\D” : 非数字
|
1
2
3
4
5
6
7
|
>>> pat=re.compile('\D')>>> pat.match('ax1by2cz3').group()'a'>>> pat.search('ax1by2cz3').group()'a'>>> pat.findall('ax1by2cz3')['a', 'x', 'b', 'y', 'c', 'z'] |
“\s” ：空白字符 、 \t、\r、\n、空格
|
1
2
3
4
5
6
7
|
>>> pat=re.compile('\s')>>> pat.findall('\rax1 \nby2 \tcz3')['\r', ' ', '\n', ' ', '\t']>>> pat.search('\rax1 \nby2 \tcz3').group()'\r'>>> pat.match('\rax1 \nby2 \tcz3').group()'\r' |
“S” :非空白字符
|
1
2
3
4
5
|
>>> pat=re.compile('\S')>>> pat.search('\rax1 \nby2 \tcz3').group()'a'>>> pat.findall('\rax1 \nby2 \tcz3')['a', 'x', '1', 'b', 'y', '2', 'c', 'z', '3'] |
“\w” ：单个的 数字和字母，[A-Za-z0-9]
|
1
2
3
4
5
6
7
|
>>> pat=re.compile('\w')>>> pat.search('1a2b3c').group()'1'>>> pat.findall('1a2b3c')['1', 'a', '2', 'b', '3', 'c']>>> pat.match('1a2b3c').group()'1' |
“\W”:非单词字符,除数字和字母外
|
1
2
3
4
5
|
>>> pat=re.compile('\W')>>> pat.findall('1a2我b3c') #python是用三字节表示一个汉字['\xe6', '\x88', '\x91']>>> pat.search('1a2我b3c').group()'\xe6' |
数量词
“*” ：0次或多次
（ 乘0会变成0）
|
1
2
3
4
5
6
7
|
>>> pat = re.compile('[abc]*')>>> pat.match('abcabcdefabc').group() 'abcabc' #2次>>> pat.search('abcabcdefabc').group()'abcabc' #2次>>> pat.findall('abcabcdefabc')['abcabc', '', '', '', 'abc', ''] #2次和1次,因为有0次，所以匹配了'' |
“+” ：1次或多次
（ 加0不会变成0）
|
1
2
3
4
5
6
7
|
>>> pat = re.compile('[abc]+')>>> pat.match('abcdefabcabc').group()'abc'>>> pat.search('abcdefabcabc').group()'abc'>>> pat.findall('abcdefabcabc')['abc', 'abcabc'] |
“?” ：0次或1次，match,search 不会出现none，会出现' ‘ （因为0次也是符合的）
0次或1次不是指[xxx]这个集合，而是其中的任何的一个字符
|
1
2
3
4
5
6
7
8
9
|
>>> pat = re.compile('[abc]?')>>> pat.match('defabc').group() #0次''>>> pat.match('abcdefabc').group()'a'>>> pat.search('defabc').group() #0次''>>> pat.findall('defabc') #0次和1次['', '', '', 'a', 'b', 'c', ''] #后面总再加个'' |
“数量词?” ：非贪婪模式：只匹配最少的（尽可能少）；默认贪婪模式：匹配最多的（尽可能多）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>> pat = re.compile('[abc]+') #贪婪模式>>> pat.match('abcdefabcabc').group() #匹配尽可能多的：abc'abc'>>> pat.match('bbabcdefabcabc').group()'bbabc'>>> pat.search('dbbabcdefabcabc').group()'bbabc'>>> pat.findall('abcdefabcabc')['abc', 'abcabc']>>> pat = re.compile('[abc]+?') #非贪婪模式：+?>>> pat.match('abcdefabcabc').group() #匹配尽可能少的：a、b、c'a'>>> pat.search('dbbabcdefabcabc').group()'b'>>> pat.findall('abcdefabcabc')['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b', 'c'] |
“{m}” ：匹配字符串出现m次
|
1
2
3
4
5
|
>>> pat = re.compile('[op]{2}') #o或p出现2次>>> pat.search('abcooapp').group() #匹配第一次出现的字符串,o比p先出现'oo'>>> pat.findall('abcooapp') #匹配出现的所有字符串，列表形式返回['oo', 'pp'] |
“{m,n}” ：匹配字符串出现m到n次
|
1
2
3
4
5
6
7
|
>>> pat = re.compile('[op]{2,4}') #o或则p出现2到4次>>> pat.match('pppabcooapp').group() #匹配开头'ppp'>>> pat.search('pppabcooapp').group() #匹配第一次出现'ppp'>>> pat.findall('pppabcooapp') #匹配所有['ppp', 'oo', 'pp'] |
.group() #匹配第一次出现
边界
“^” ：匹配字符串开头或行头
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
>>> pat = re.compile('^[abc]') #开头是a、b、c中的任意一个>>> pat.search('defabc').group() >>> pat.match('defabc').group() #均找不到>>> pat.findall('defabc')[]>>> pat.search('adefabc').group()'a'>>> pat.match('adefabc').group() #开头是a、b、c中的任意一个'a'>>> pat.findall('adefabc')['a']>>> pat = re.compile('^[abc]+') #开头是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个>>> pat.findall('cbadefab')['cba']>>> pat = re.compile(r'^[abc]+?') #开头是a、b、c中的任意一个的一次或则多次，非贪婪：匹配一个>>> pat.findall('cbadefab')['c'] |
“$” ：匹配字符串结尾或则行尾
|
1
2
3
4
5
6
7
8
9
10
11
|
>>> pat = re.compile('[abc]$')>>> pat.match('adefAbc').group() #match匹配的是字符串开头，所以查找$的时，总是返回None>>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个'c'>>> pat.findall('adefAbc') ['c']>>> pat = re.compile('[abc]+$')>>> pat.search('adefAbc').group() #结尾是a、b、c中的任意一个的一次或则多次，贪婪：匹配多个'bc'>>> pat.findall('adefAbc')['bc'] |
“\A”：匹配字符串开头
|
1
2
3
4
5
|
>>> pat = re.compile('\A[abc]+')>>> pat.findall('cbadefab')['cba']>>> pat.search('cbadefab').group()'cba' |
“\Z”：匹配字符串结尾
|
1
2
3
4
5
|
>>> pat = re.compile('[abc]+\Z')>>> pat.search('cbadefab').group()'ab'>>> pat.findall('cbadefab')['ab'] |
分组
(…)：分组匹配,从左到右,每遇到一个 ( 编号+1，分组后面可加数量词
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> pat=re.compile(r'(a)\w(c)') #\w:单个的数字或字母 [A-Za-z0-9]>>> pat.match('abcdef').group()'abc'>>> pat=re.compile('(a)b(c)') #分2组，匿名分组 >>> pat.match('abcdef').group() #默认返回匹配的字符串'abc'>>> pat.match('abcdef').group(1) #取分组1，适用于search'a'>>> pat.match('abcdef').group(2) #取分组2，适用于search'c'>>> pat.match('abcdef').groups() #取所有分组，元组形式返回('a', 'c') |
<number>：引用编号为<number>的分组匹配到的字符串
|
1
2
3
|
>>> pat=re.compile(r'www\.(.*)\..{3}')>>> pat.match('www.dxy.com').group(1)'dxy' |
“(?P<name>…)” ：在模式里面用()来表示分组（命名分组）,适用于提取目标字符串中的某一些部位。
|
1
2
3
4
5
6
7
8
9
10
11
|
>>> pat=re.compile(r'(?P<K>a)\w(c)') #分2组：命名分组+匿名分组>>> pat.search('abcdef').groups() #取所有分组，元组形式返回('a', 'c')>>> pat.search('abcdef').group(1) #取分组1，适用于match'a'>>> pat.search('abcdef').group(2) #取分组2，适用于match'c'>>> pat.search('abcdef').group() #默认返回匹配的字符串'abc'>>> pat.search('abcdef').groupdict() #命名分组可以返回一个字典【专有】，匿名分组也没有{'K': 'a'} |
“(?P=name)”：引用别名为<name>的分组匹配到的串
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)') #(?P=K)引用分组1的值，就是a>>> pat.search('abcdef').group() #匹配不到，因为完整'a\wca',模式的第4位是aTraceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: 'NoneType' object has no attribute 'group' >>> pat.search('abcadef').group() #匹配到，模式的第4位和组1一样,值是c'abca'>>> pat.search('abcadef').groups()('a', 'c')>>> pat.search('abcadef').group(1)'a'>>> pat.search('abcadef').group(2)'c |
“<number>” ：引用分组编号匹配：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> pat=re.compile(r'(?P<K>a)\w(c)(?P=K)\2') #\2引用分组2的值，就是c>>> pat.findall('Aabcadef') #匹配不到，因为完整'a\wcac',模式的第5位是c[]>>> pat.findall('Aabcacdef') #匹配到，模式的第5位和组2一样,值是c[('a', 'c')]>>> pat.search('Aabcacdef').groups()('a', 'c')>>> pat.search('Aabcacdef').group()'abcac'>>> pat.search('Aabcacdef').group(1)'a'>>> pat.search('Aabcacdef').group(2)'c' |
特殊构造
(?:…) (…)不分组版本,用于使用 | 或者后接数量词
(?iLmsux) iLmsux的每个字符代表一个匹配模式,只能用在正则表达式的开头,可选多个
(?#…) #号后的内容将作为注释
(?=…) 之后的字符串内容需要匹配表达式才能成功匹配
(?!…) 之后的字符串不匹配表达式才能成功
(?(?(?(id/name) yes |no) 如果编号为id/名字为name的组匹配到字符串,则需要匹配yes,否则匹配no,no可以省略
“(?:…)” ：()里面有?:表示该()不是分组
|
1
2
3
4
|
>>> pat=re.compile(r'a(?:bc)')>>> pat.findall('abc')['abc']>>> pat.match('abc').groups() #显示不出分组 |
“(?=…)”：匹配…表达式，返回。对后进行匹配，总是对后面进行匹配
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
>>> pat=re.compile(r'\w(?=\d)') #匹配表达式\d，返回数字的前一位，\w：单词字符[A-Za-z0-9]>>> pat.findall('abc1 def1 xyz1')['c', 'f', 'z']>>> pat.findall('zhoujy20130628hangzhou') #匹配数字的前一位，列表返回['y', '2', '0', '1', '3', '0', '6', '2']>>> pat=re.compile(r'\w+(?=\d)')>>> pat.findall('abc1,def1,xyz1') #匹配最末数字的前字符串，列表返回['abc', 'def', 'xyz']>>> pat.findall('abc21,def31,xyz41')['abc2', 'def3', 'xyz4']>>> pat.findall('zhoujy20130628hangzhou')['zhoujy2013062']>>> pat=re.compile(r'[A-Za-z]+(?=\d)') #[A-Za-z],匹配字母,可以用其他的正则方法>>> pat.findall('zhoujy20130628hangzhou123') #匹配后面带有数字的字符串，列表返回['zhoujy', 'hangzhou']>>> pat.findall('abc21,def31,xyz41')['abc', 'def', 'xyz'] |
“(?!…)” 不匹配…表达式，返回。对后进行匹配
|
1
2
3
4
5
|
>>> pat=re.compile(r'[A-Za-z]+(?!\d)') #[A-Za-z],匹配字母,可以用其他的正则方法>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310') #匹配后面不是数字的字符串，列表返回['zhouj', 'hangzho', 'binjian']>>> pat.findall('abc21,def31,xyz41')['ab', 'de', 'xy'] |
“(?<=…)”：匹配…表达式，返回。对前进行匹配,总是对前面进行匹配
|
1
2
3
4
5
6
7
|
>>> pat=re.compile(r'(?<=\d)[A-Za-z]+') #匹配前面是数字的字母>>> pat.findall('abc21,def31,xyz41')[]>>> pat.findall('1abc21,2def31,3xyz41')['abc', 'def', 'xyz']>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')['hangzhou'] |
“(?<!…)”：不匹配…表达式，返回。对前进行匹配,总是对前面进行匹配
|
1
2
3
4
5
|
>>> pat=re.compile(r'(?<!\d)[A-Za-z]+') #匹配前面不是数字的字母>>> pat.findall('abc21,def31,xyz41')['abc', 'def', 'xyz']>>> pat.findall('zhoujy20130628hangzhou123,12,binjiang310')['zhoujy', 'angzhou', 'binjiang'] |
“(?(id/name) yes |no)”: 组是否匹配，匹配返回
|
1
2
3
4
5
6
7
8
9
10
11
|
>>> pat=re.compile(r'a(\d)?bc(?(1)\d)') #no省略了，完整的是a\dbc\d ==> a2bc3,总共5位，第2位是可有可无的数字，第5为是数字>>> pat.findall('abc9') #返回组1，但第2位（组1）没有，即返回了''['']>>> pat.findall('a8bc9') #完整的模式，返回组1['8']>>> pat.match('a8bc9').group()'a8bc9'>>> pat.match('a8bc9').group(1)'8'>>> pat.findall('a8bc') #第5位不存在，则没有匹配到[] |
“(?iLmsux)”:这里就介绍下i参数：大小写区分匹配
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
>>> pat=re.compile(r'abc')>>> pat.findall('abc')['abc']>>> pat.findall('ABC')[]>>> pat=re.compile(r'(?i)abc') #(?i) 不区分大小写>>> pat.findall('ABC')['ABC']>>> pat.findall('abc')['abc']>>> pat.findall('aBc')['aBc']>>> pat.findall('aBC')['aBC']>>> pat=re.compile(r'abc',re.I) #re.I 作为参数使用，推荐>>> pat.findall('aBC')['aBC']>>> pat.findall('abc')['abc']>>> pat.findall('ABC')['ABC'] |
总结
以上就是本文关于Python编程之Re模块下的函数介绍的全部内容，希望对大家有所帮助。如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
原文链接：http://python.jobbole.com/88729/
